70
BAB III
PELAKSANAAN PENELITIAN
III.1. Area Penelitian
Area penelitian didasarkan pada data LiDAR, antara koordinat 7°50’22.13” LS 139°19’10.64” BT sampai dengan 7°54’55.53” LS 139°23’57.47 BT. Area penelitian ditentukan berdasarkan beberapa aspek, antara lain :
1. Area yang diteliti merupakan area perkebunan tebu. 2. Ketersediaan data penelitian.
Wilayah administrasi yang tercakup dalam penelitian adalah distrik Tubang, kabupaten Merauke, provinsi Papua.
III.2. Persiapan Penelitian
Pada penelitian ini dilakukan persiapan berupa pengumpulan data, serta pengumpulan materi-materi yang mendukung penelitian. Data penelitian dibagi menjadi dua kategori secara umum, yaitu data primer dan sekunder. Data primer yaitu data yang akan dijadikan fokus atau objek utama dalam penelitian. Sedangkan, data sekunder merupakan data pendukung untuk melengkapi data primer.
III.2.1. Data Primer
Data primer dalam penelitian ini adalah data LiDAR (ground point cloud) perkebunan tebu seluas 7737 Ha di distrik Tubang, Merauke, Papua. Data tersebut berformat ASCII (*.xyz) dengan sistem sistem proyeksi WGS-84 UTM zona 54S. Data tersebut diperoleh dari PT Karvak Nusa Geomatika.
71 Gambar III.1. Data kumpulan point cloud ground LiDAR
III.2.2. Data Sekunder
Kemudian digunakan data pendukung penelitian yang dianggap sebagai data sekunder, antara lain data DEM SRTM resolusi spasial 25 meter wilayah zona 54 UTM yang didapatkan dari LAPAN (Lembaga Penerbangan dan Antariksa Nasional) dalam format ErMapper Grid (*.ers) yang merupakan hasil resampling dari DEM SRTM resolusi 90m. Selanjutnya data DEM ASTER GDEM versi 2 wilayah Tubang, Merauke, Papua yang didapatkan dari internet dalam format GeoTiff (*.tif), dan peta RBI (Rupa Bumi Indonesia) lembar 3308-32 dalam format shapefile (*.shp).
72 Gambar III.3 Data DEM ASTER GDEM versi 2
Gambar III.4. Peta RBI digital lembar 3308-32
III.2.3. Peralatan
Adapun peralatan yang disiapkan dalam pelaksanaan penelitian kali ini antara lain sebagai berikut :
1. Perangkat keras
Satu unit laptop Toshiba Satelite L40 dengan processor intel® Pentium® dual CPU T2330 @1.60GHz (2CPUs), RAM 2040MB, Harddisk 120GB 2. Perangkat lunak a. ArcGIS 10 b. Global Mapper 15 c. Surfer 9 d. SPSS 16
73
III.3. Pengolahan Data
Seperti yang tertera di dalam bab I tentang urutan penelitian secara umum, maka gambar III.5 berikut ini merupakan uraian dari pengolahan data DEM menjadi kelerengan.
Studi Literatur Persiapan Data DEM ASTER GDEM v2 DEM SRTM 25m Transformasi ke UTM
Ekstraksi Titik Tinggi Berdasarkan Grid Pembentukan TIN Konversi TIN ke Raster TIN ASTER GDEM v2 Raster DEM ASTER GDEM v2 Klasifikasi Presentase Kelerengan Konversi raster ke vektor dan Penghalusan Transformasi ke UTM
Ekstraksi Titik Tinggi Berdasarkan Grid Pembentukan TIN Konversi TIN ke Raster TIN SRTM 25m Raster DEM SRTM Klasifikasi Presentase Kelerengan Ekstraksi Titik Tinggi
Berdasarkan Grid
Pembentukan TIN
Konversi TIN ke Raster TIN LiDAR Raster LiDAR Point Cloud DTM LiDAR dalam sistem WGS’84 Transformasi ke UTM Klasifikasi Presentase Kelerengan Klustering Konversi raster ke vektor dan Penghalusan Klustering Konversi raster ke vektor dan Penghalusan Klustering A B C
74 Peta Kelerengan ASTER GDEM v2 Peta Kelerengan SRTM 25m Peta Kelerengan LiDAR Analisis Hasil dan Kesimpulan Perhitungan Luas dan Generalisasi Perhitungan Luas dan Generalisasi Perhitungan Luas dan Generalisasi A B C
Gambar III.5. Diagram Alir Pengolahan Data
III.3.1. Pemotongan Area Penelitian
Sebelum melakukan gridding data ketinggian DTM/DEM dengan menggunakan perangkat lunak Surfer, maka data tersebut dipotong sesuai dengan area penelitian, dan dirubah formatnya menjadi ASCII (*.xyz) menggunakan perangkat lunak Global Mapper. Dalam proses tersebut, data yang sebelumnya acak, dirubah menjadi kontur terlebih dahulu. Selain dari referensi sebelumnya juga demikian, proses konturing ini dapat memperingkas jumlah data.
Langkah-langkahnya antara lain : Buka file data ketinggian (LiDAR/SRTM/ASTER) ke dalam Global Mapper dalam format elevation grid → Sesuaikan sistem proyeksi sesuai dengan kondisi area penelitian (dalam penelitian ini adalah UTM zona 54S) → Cropping daerah yang akan dianalisis dengan menggunakan poligon batas area yang telah ditentukan.
Setelah terpotong, maka pada menu Analyst, pilih Generate Contours (From Terrain Grid) → Pada kotak dialog Contour Generation Option, isi Contour Interval dengan nilai 1 meter untuk menjaga ketelitian kontur, X-axis dan Y-axis dibiarkan sesuai ketelitian DEM/DTM →Klik OK. Kemudian hasil dari
75 generate contours tersebut diekspor ke dalam format ASCII (*.xyz) agar dapat dilakukan gridding menggunakan perangkat lunak Surfer. Proses tersebut diantaranya ditunjukkan dalam gambar III.6 dan III.7 di bawah ini.
Gambar III.6. Pengaturan Contour Generation Option
Gambar III.7. Kontur (a) LiDAR (b) SRTM (c) ASTER
III.3.2. Gridding
Proses ini bertujuan agar persebaran nilai ketinggian DTM/DEM memiliki pola teratur dalam bentuk grid, maka data diinterpolasi (gridding) dengan menggunakan perangkat lunak Surfer. Aturan pembuatan grid sesuai
76 dengan Langkah pembuatannya adalah : Buka program Surfer → Klik menu Data → Pilih data yang akan diinterpolasi (data LiDAR/SRTM/ASTER dalam format *.xyz) → Pada Output Grid File pilih area penyimpanan → Pada kolom Spacing ganti nilainya dengan 30 m (hal ini dikarenakan peta yang akan dibuat adalah 1 : 30000, rumus grid adalah penyebut skala/1000) → Pilih Kriging pada pilihan Gridding Method → Klik Advance Option → Maka akan muncul kotak dialog Kriging Advance Method → Klik Advance Option → Klik Add → Pilih Sperichal → Kemudian tentukan direktori penyimpanan file Output Grid of Kriging Standard Deviations → Klik OK. Proses dan hasil gridding tersebut diantaranya ditunjukkan dalam gambar III.8 sampai III.15 di bawah ini.
Gambar III.8. Pengaturan Grid Data
77 Gambar III.10. Tampilan gridding report data LiDAR
Gambar III.11. Tampilan permukaan (a) DTM LiDAR yang telah di-grid (b) Height Error Map LiDAR
(a) (b)
Standar Deviasi LiDAR
78 Gambar III.12. Tampilan gridding report data SRTM
Gambar III.13. Tampilan permukaan (a) SRTM yang telah di-grid (b) Height Error Map SRTM
(a) (b)
Standar Deviasi SRTM
79 Gambar III.14. Tampilan gridding report data ASTER
Gambar III.15. Tampilan permukaan (a) ASTER yang telah di-grid (b) Height Error Map ASTER
Penggunaan metode kriging sperichal dalam melakukan interpolasi adalah mengacu pada penelitian terdahulu yang menyatakan bahwa metode tersebut adalah metode yang paling baik untuk melakukan interpolasi garis
(a) (b)
Standar Deviasi ASTER
80 kontur, karena memiliki nilai RMSE paling kecil. Hasil dari proses gridding ini antara lain adalah file hasil interpolasi dalam format *.grd, file standar deviasi (height error map) format *.grd, dan file gridding report.
III.3.3. Pembuatan Peta Kelerengan
Pada proses pembuatan peta kelerengan ini, langkah yang dilakukan mengacu pada SOP (Standard Operating Procedures) pengolahan data untuk pemetaan kemiringan lereng nomor 03.01.11.02 tahun 2012 Badan Informasi Geospasial.
III.3.3.1. Pembuatan TIN
DEM/DTM yang telah di-grid tersebut, kemudian diekstrak nilai tingginya dalam bentuk titik-titik berformat Shapefile (*.shp). Dengan cara klik kanan pada layer DEM di dalam Global Mapper → Klik Create Point Feature at Elevation Grid Cell Center → Klik OK. Seperti pada gambar III.16 berikut.
Gambar III.16. Tampilan Create Point dari data DEM
Kemudian poin-poin tersebut diekspor dalam format vektor Shapefile (*.shp) dengan cara klik menu File → Export → Export Vector Format → Shapefile → Pilih direktori penyimpanan titik, dan klik OK. Seperti pada gambar III.17. berikut.
81 Gambar III.17. Tampilan menu pengaturan ekspor menjadi Shapefile
Selanjutnya dibuat TIN (Triangulation Irregular Network) dengan menggunakan perangkat lunak ArcMap 10. Proses ini bertujuan agar dapat dilakukan identifikasi elevasi pada DEM/DTM untuk dijadikan sampel analisis statistik. Berikut adalah langkah-langkahnya : Add data titik-titik yang telah berformat shapefile ke dalam ArcMap → Jalankan menu “create TIN” yang berada pada Arctoolbox → Pada Output TIN, isikan nama dan memilih tempat penyimpanan, referensi spasial diisi dengan WGS-84 UTM zona 54S (wilayah Tubang, Merauke, Papua), dan Input feature adalah shapefile titik-titik yang akan dibuat TIN → Klik OK. Hingga dihasilkan data seperti pada gambar III.19. di bawah ini.
82 Gambar III.18. Tampilan Create TIN
Gambar III.19. TIN data (a) LiDAR (b) SRTM (c) ASTER
III.3.3.2. Konversi TIN Menjadi Raster
Setelah terbentuk TIN, maka dikonversi menjadi raster grid. Jarak grid mengikuti kerapatan titik, yaitu 30m. Langkah-langkahnya antara lain : Menggunakan menu “TIN to Raster” yang terdapat pada Arctoolbox → Isi pada Input TIN dengan TIN yang telah dibuat sebelumnya, Output Raster dengan memilih nama dan area penyimpanan raster, dan Sampling Distance diisi dengan “CELLSIZE 30” untuk mendapatkan ukuran piksel 30x30 m → Klik OK. Hasil dari proses tersebut ditunjukkan pada gambar III.21.
83 Gambar III.20. Tampilan Konversi TIN to Raster
Gambar III.21. Raster grid data (a) LiDAR (b) SRTM (c) ASTER
III.3.3.3. Klasifikasi Kelerengan
Raster grid yang telah terbentuk, kemudian diklasifikasikan kelerengannya berdasarkan klasifikasi kelas kemiringan lereng yang dibuat oleh Puslittanak (Pusat Penelitian Pertanahan dan Agroklimat). Berikut adalah langkah-langkahnya : Buka menu Slope pada Arctoolbox → Kemudian isi bagian Input Raster dengan file raster yang telah dibuat sebelumnya, Output raster dengan nama dan area penyimpanan, Output measurement diganti dengan “PERCENT_RISE” → Klik OK.
84 Gambar III.22. Tampilan menu Slope
Pada tampilan setelah selesai, kelerengan yang dihasilkan belum sesuai dengan klasifikasi kelerengan menurut Puslittanak. Sehingga raster kelerengan tersebut diklasifikasi ulang dengan cara : Buka menu “Reclasify” pada Arctoolbox → Isi Input raster dengan raster kelerengan sebelumnya, klik “Classify” kemudian secara manual presentase kelerengan diklasifikasikan menjadi 7 berdasarkan Puslittanak (3%, 8%, 15%, 30%, 45%, 60%, >60%) → Klik OK → Pilih direktori penyimpanan → Klik OK. Hasil proses tersebut ditunjukkan pada gambar III.25. di bawah ini.
85 Gambar III.24. Tampilan menu Classification data kelerengan
Gambar III.25. Kelerengan hasil klasifikasi data (a) LiDAR (b) SRTM (c) ASTER
III.3.3.4. Klustering
Klustering adalah tahap pengelompokan data piksel kelerengan hasil klasifikasi yang tersebar secara tidak teratur menjadi terkelompok. Langkah-langkahnya antara lain : Dengan menggunakan menu “Focal statistics” pada Arctoolbox → Input raster diisi dengan raster kelerengan hasil klasifikasi, kemudian Output merupakan tempat penyimpanan hasil klustering, dan Neighborhood dipilih Rectangle dengan ukuran 3 x 3 piksel → klik OK.
(a) (b) (c) Klasifikasi persentase kelerengan berdasarkan Puslittanak
86 Gambar III.26. Tampilan menu Focal statistics
Setelah proses tersebut selesai, kemudian dilakukan proses reklasifikasi kembali sebanyak 7 jenis klasifikasi secara natural dengan menggunakan tools Reclassify seperti yang dilakukan sebelumnya. Buka menu “Reclasify” pada Arctoolbox → Isi Input raster dengan raster hasil klustering, klik “Classify” kemudian pilih metode Natural Break (jenks), dan bagi menjadi 7 kelas → Klik OK → Pilih direktori penyimpanan → Klik OK.
Gambar III.27. Tampilan menu Classification pada klasifikasi hasil klustering Setelah proses tersebut selesai, maka akan didapatkan peta kelerengan yang lebih terkelompok seperti pada gambar III.28. di bawah ini.
87
Gambar III.28. Kelerengan hasil klustering data (a) LiDAR (b) SRTM (c) ASTER
III.3.3.5. Konversi Menjadi Vektor dan Penghalusan
Karena peta kelerengan yang terakhir terbentuk masih berupa raster grid yang kurang halus, maka dalam proses konversi raster menjadi vektor dilakukan secara manual menggunakan ArcMap. Proses ini biasa disebut proses digitasi. Untuk mendapatkan hasil penghalusan yang baik pada peta 1 : 30,000, maka peta didigitasi dalam skala kurang lebih 1 : 15,000. Dan untuk kejelasan tampilan peta, maka beberapa unsur yang terlalu kecil dianggap tidak ada. Digitasi diawali dengan membuat shapefile tipe polyline dengan sistem koordinat WGS-84 dan sistem proyeksinya UTM zona 54S.
Gambar III.29. Tampilan pengaturan pada kotak dialog Create New Shapefile
88 Kemudian setiap batas antar jenis kelerengan dipisahkan menggunakan polyline tersebut, dengan catatan setiap garis polyline harus menutup atau membentuk sebuah polygon seperti yang ditunjukkan pada gambar III.30.
Gambar III.30. Proses digitasi hasil klasifikasi kelerengan menggunakan polyline Setelah seluruh area terdigitasi, maka dilakukan penghalusan polyline sesuai toleransi yang ditentukan. Dalam peta skala 1 : 30,000 ini toleransi penghalusan yang diijinkan adalah 75 meter. Proses penghalusan menggunakan tools “Smooth line” pada Arctoolbox → Pilih polyline yang akan diperhalus pada Input features, kemudian pilih direktori penyimpanan pada Output Feature Class, pilih algoritme PAEK pada Smoothing Algorithm, dan isi toleransi penghalusan pada Smoothing Tolerance dengan 75 meter → Klik OK. Hingga hasilnya seperti yang diilustrasikan pada gambar III.32. di bawah ini.
Gambar III.31. Tampilan menu Smooth Line Bagian yang
terlalu kecil, dianggap tidak ada / disatukan.
89
Gambar III.32. Tampilan polyline (a) sebelum diperhalus (b) sesudah diperhalus Hasil digitasi yang halus tersebut selanjutnya dikonversi menjadi poligon, dengan menggunakan tools “Feature to Polygon” pada Arctoolbox → Pada Input fearure pilih polyline yang akan dikonversi menjadi poligon, kemudian pada Output feature class pilih nama dan direktori penyimpanan poligon → Klik OK. Maka hasilnya merupakan poligon tanpa atribut seperti yangditunjukkan pada gambar III.34. di bawah ini.
Gambar III.33. Tampilan Feature to Polygon
Gambar III.34. Tampilan poligon tanpa atribut
90
III.3.3.6. Perhitungan Luas dan Generalisasi
Poligon-poligon yang telah terbentuk merupakan poligon tanpa atribut, selanjutnya ditambahkan atribut jenis kelerengan dan luas poligon pada Attribute table dengan menu Add field.
Gambar III.35. Tampilan menu Add Field penambahan atribut (a) jenis lereng dan (b) luas poligon lereng
Selanjutnya secara otomatis dapat dihitung luas poligon-poligon hasil digitasi dalam ukuran meter persegi (m²) seperti pada gambar III.36 di bawah ini.
Gambar III.36. Tampilan Attribute table pada Arcmap
91 Poligon yang memiliki luas di bawah satuan peta terkecil (SPT) peta 1 : 30,000, yaitu di bawah 2,500 m² selanjutnya dieliminasi dengan menggunakan tools “Eliminate Polygon Part” → Isi Input Feature dengan poligon yang akan digeneralisasi, pilih direktori penyimpanan pada Output Feature Class, dan isi pada kolom Area dengan luas minimum yaitu 2500 m² → klik OK.
Gambar III.37. Tampilan menu Eliminate Polygon Part
Maka akan muncul poligon baru yang telah tereliminasi, dan tinggal dihapus poligon yang memiliki luas kurang dari 2500 m² pada Attribute table. Selanjutnya dengan cara manual, setiap poligon yang telah terbentuk kemudian diberikan atribut jenis kelerengan sesuai dengan kondisi yang ada pada peta raster. Gambar III.38. sampai III.40. di bawah ini merupakan hasil akhir dari pembuatan peta kelerengan yang berformat vektor dengan skala 1 : 30,000 yang siap untuk dilakukan analisis statistik.
92
Gambar III.38. Peta dan atribut kelerengan data LiDAR
Gambar III.39. Peta dan atribut kelerengan data SRTM
